对于提供企业级服务的公司来说，服务质量与效率日益受到关注。服务质量的本质是整体团队的效能，重中之重则是站在客户视角的工单解决效率。
当下很多这个领域的企业都会设立客户成功中心，其中就有专门对接客户工单处理的职责；而随着工单数量的增加和客户服务的深入，处理时长通常都会显著增长。某家大数据实施商也在近期碰到了这样的问题，但相比于加（bù）大（jì）人（chéng）力（běn），有没有更高效的解决途径？
工单数量持续增加，处理时长居高不下
近期，在这家大数据实施商的客户售后系统中，客户提交的工单数量急剧增加，而技术支持工程师处理工单的平均解决时长一直居高不下。这对该企业的客户满意度带来了很大的影响，且直接关系到续约率这些关键指标。该企业的 CEO 很快找到客户成功部门的负责人，要求限期查明原因并给出具体改进措施，并且人力投入上不能产生进一步消耗。
借助指标归因分析，快速定位工单处理效率的瓶颈
对于工单解决效率的提升，规范的流程跟踪和可信的指标体系是重要的抓手，在此基础之上利用归因分析就可以快速定位影响因素和瓶颈所在。但这套体系的建立，从平台到指标，都要依赖数据分析或者 IT 团队来帮助梳理和建立数据模型以及数据处理链路，需要耗费不少的时间和精力。
而现在我们来看看这家公司的技术支持团队如何基于 Kyligence Zen 来高效地完成这一整套过程，Kyligence Zen 作为一站式指标中台，提供的便捷归因分析能力，轻松助力对于客户成功所关心的核心指标“工单解决时长”从不同维度分析可能的主要影响原因。
技术支持团队找到了一段工单解决时长的增长幅度明显异于平常的时间段（2/11 - 2/14）进行分析，全程在界面上就可以自助完成，我们一起跟随几张截图来体验下！
经过简单的观察，技术支持团队的负责人很快得出以下结论：
根据对于工单处理时长异常增长的归因分析结果，客户成功部门可以很容易做出判断并将采取相应的一系列后续行动：
-
客户支持部门需要和研发部门进行沟通协同，向产品研发人员反馈近期工单处理系统中涉及的主要产品问题，进行产品质量的优化；
-
另一方面，对于紧急程度较高的工单，优先安排比较有经验的技术支持人员，同时组织建立和优化产品知识库，提高技术支持工程师处理工单的效率。
即刻体验 Kyligence Zen
以数字化的方式综合监控工单解决效率，客户成功团队的负责人可以通过观测与工单效率相关的核心指标，定位薄弱环节，进而驱动质量改进和人效优化。
您可以在 Kyligence Zen 指标模板集市中 GET 同款指标模板 工单解决时长分析指标，直接复现文中场景！
